Constraint-based causal discovery with tiered background knowledge and latent variables in single or overlapping datasets
含潜变量的单一或重叠数据集中的分层背景知识与约束式因果发现AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究允许潜变量的因果发现及相关算法保证，直接对应因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
含潜变量的单一或重叠数据集中的分层背景知识与约束式因果发现
- 研究问题
- 在允许潜变量、且变量可能分散于重叠数据集的情形下，分层背景知识如何改善约束式因果发现的正确性、信息量和计算效率？
- 方法与思路
- 作者分析分层 FCI 算法的性质，并提出纳入分层背景知识的 tIOD 算法，通过形式化结果和示例研究算法保证及效率收益。
- 材料陈述的贡献
- 摘要称，充分使用分层知识时两类算法具有可靠性，其简化版本兼具完备性；另给出 tIOD 提高效率和信息量的条件性结果。
- 阅读关注点
- 应核对分层知识的含义、数据集重叠要求，以及完整和简化算法的区别；重点检查可靠性、完备性和效率增益各自依赖的条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或接收。摘要未列明独立性检验、潜变量结构和重叠数据的完整要求，也未给出效率数值。
原文摘要
In this paper we consider the use of tiered background knowledge within constraint based causal discovery. Our focus is on settings relaxing causal sufficiency, i.e. allowing for latent variables which may arise because relevant information could not be measured at all, or not jointly, as in the case of multiple overlapping datasets. We first present novel insights into the properties of the 'tiered FCI' (tFCI) algorithm. Building on this, we introduce a new extension of the IOD (integrating overlapping datasets) algorithm incorporating tiered background knowledge, the 'tiered IOD' (tIOD) algorithm. We show that under full usage of the tiered background knowledge tFCI and tIOD are sound, while simple versions of the tIOD and tFCI are sound and complete. We further show that the tIOD algorithm can often be expected to be considerably more efficient and informative than the IOD algorithm even beyond the obvious restriction of the Markov equivalence classes. We provide a formal result on the conditions for this gain in efficiency and informativeness. Our results are accompanied by a series of examples illustrating the exact role and usefulness of tiered background knowledge.